NLL 拉普拉斯得分器¶

拉普拉斯分布负对数似然得分器。

异常得分是根据随机预测估计的拉普拉斯分布下实际序列值的负对数似然。

class darts.ad.scorers.nll_laplace_scorer.LaplaceNLLScorer(window=1)[source]¶

基类: NLLScorer

NLL 拉普拉斯得分器

参数: window (int) – 整数值，指示得分器用于将序列转换为异常得分的窗口 W 大小。得分器会将给定序列切片为大小为 W 的子序列，并返回一个值，表示这些大小为 W 的子集值的异常程度。后处理步骤将此异常得分转换为点式异常得分（参见 window_transform 的定义）。窗口大小应与要查找的异常的预期持续时间相称。

属性

`is_probabilistic`	得分器是否期望概率预测作为第一个输入。
`is_trainable`	得分器是否可训练。
`is_univariate`	得分器是否是单变量得分器。

方法

`eval_metric_from_prediction`(anomalies, ...)	计算 series 和 pred_series 之间的异常得分，并返回与阈值无关的度量得分。
`score_from_prediction`(series, pred_series)	计算两个（或多个）序列的异常得分。
`show_anomalies_from_prediction`(series, ...)	绘制得分器的结果。

eval_metric_from_prediction(anomalies, series, pred_series, metric='AUC_ROC')¶

计算 series 和 pred_series 之间的异常得分，并返回与阈值无关的度量得分。

参数

anomalies (Union[TimeSeries, Sequence[TimeSeries]]) – （序列）真实二值异常序列（1 表示异常，0 表示正常）。
series (Union[TimeSeries, Sequence[TimeSeries]]) – （序列）实际序列。
pred_series (Union[TimeSeries, Sequence[TimeSeries]]) – （序列）预测序列。
metric (Literal[‘AUC_ROC’, ‘AUC_PR’]) – 要使用的度量函数的名称。必须是 “AUC_ROC”（接收者操作特征曲线下面积）或 “AUC_PR”（基于分数的平均精度）之一。默认值：“AUC_ROC”。

返回类型

Union[float, Sequence[float], Sequence[Sequence[float]]]

返回

float – 单个单变量 series 的单个度量值。
Sequence[float] – 以下情况的度量值序列：
- 单个多变量 series。
- 单变量 series 序列。
Sequence[Sequence[float]] – 多变量 series 序列的度量值序列的序列。外部序列对应于系列，内部序列对应于系列的组件/列。

property is_probabilistic: bool¶

得分器是否期望概率预测作为第一个输入。

返回类型: 布尔值

property is_trainable: bool¶

得分器是否可训练。

返回类型: 布尔值

property is_univariate: bool¶

得分器是否是单变量得分器。

返回类型: 布尔值

score_from_prediction(series, pred_series)¶

计算两个（或多个）序列的异常得分。

如果给定一对序列，它们必须包含相同数量的系列。得分器将独立地为每对系列评分，并为每对返回一个异常得分。

参数

series (Union[TimeSeries, Sequence[TimeSeries]]) – （序列）实际序列。
pred_series (Union[TimeSeries, Sequence[TimeSeries]]) – （序列）预测序列。

返回

（序列）异常得分时间序列

返回类型

Union[TimeSeries, Sequence[TimeSeries]]

show_anomalies_from_prediction(series, pred_series, scorer_name=None, anomalies=None, title=None, metric=None, component_wise=False)¶

绘制得分器的结果。

计算两个系列的异常得分，并绘制结果。

图表将包含以下内容：

原始系列和预测系列。
得分器的异常得分。
如果提供了实际异常，则显示实际异常。

可以进行以下操作：

使用参数 title 为图表添加标题
使用 scorer_name 为得分器指定个性化名称
如果提供了实际异常，显示异常得分的度量结果（AUC_ROC 或 AUC_PR）。

参数

series (TimeSeries) – 用于可视化异常的实际系列。
pred_series (TimeSeries) – series 的预测系列。
anomalies (Optional[TimeSeries, None]) – 异常的真实值（1 表示异常，0 表示正常）
scorer_name (Optional[str, None]) – 得分器的名称。
title (Optional[str, None]) – 图表的标题
metric (Optional[Literal[‘AUC_ROC’, ‘AUC_PR’], None]) – （可选）要使用的度量函数名称。必须是 “AUC_ROC”（接收者操作特征曲线下面积）或 “AUC_PR”（基于分数的平均精度）之一。默认值：“AUC_ROC”。
component_wise (bool) – 如果为 True，在进行多变量异常检测时，将单独绘制每个组件。

NLL 高斯得分器

NLL 泊松得分器